Pytorch基本操作流程: 七步成诗

Pytorch的基本使用流程总结为七个步骤，方便理解。这里省去了部分细节。

PS: 内容纯属个人理解，难免有错误，告知即改！

Pytorch 七步成诗

• 第一步 ： 定义module模块 ，即定义网络

  generator = GeneratorDRRN()

• 第二步： 定义优化器，并告知优化器，模型的哪些参数需要学习

  optim_generator = optim.Adam(generator.parameters(), lr=opt.generatorLR)

• 第三步： 定义损失函数：

  content_criterion = nn.MSELoss()

• 第四步： 模型前馈运算

  output = generator(input)

• 第五步： 计算损失

  generator_content_loss = content_criterion(output, target)

• 第六步：计算梯度，基于损失反向计算梯度。注意梯度是累积的。

  generator.zero_grad()

  generator_content_loss .backward()

• 第七步：更新参数

  optim_generator.step()

补充1 简单图示

补充2 优化器

优化器

for input, target in dataset:
    # 清空梯度数据 
    optimizer.zero_grad()
    # 推理
    output = model(input)
    # 计算loss
    loss = loss_fn(output, target)
    # 计算梯度
    loss.backward()
    # 更新参数
    optimizer.step()